基于初值优化的自适应最稀疏时频分析方法

自适应最稀疏时频分析(adaptive and sparsest time-frequency analysis,ASTFA)是一种新的时频分析方法,该方法需要事先确定较为准确的初始值,缺乏自适应性.针对ASTFA存在的问题,提出了基于初值优化的ASTFA方法.该方法使用残余量的能量作为优化目标函数,使用不同的初始值对信号进行分解,当残余量的能量最小时,则认为该初始值为最优初始值.因此,该方法能够自适应地寻找最优的初始值,增加了ASTFA方法的自适应性.采用仿真信号将该方法与原ASTFA方法进行对比,结果表明该方法能自适应地得到更准确的分解结果.对仿真信号和滚动轴承故障数据进行分析,结果表明ASTFA在抑制端点效应和模态混淆、抗噪声性能、提高分量的准确性等方面要优于经验模态分解(empirical mode decomposition,EMD),并能有效应用于滚动轴承故障诊断.

ACROA优化的自适应最稀疏窄带分解方法

提出了基于人工化学反应优化算法(artificial chemical reaction optimization algorithm,ACROA)的自适应最稀疏窄带分解(adaptive sparsest narrow-band decomposition,ASNBD)方法,将信号分解转化为对滤波器参数的优化问题,使用ACROA进行优化,以得到信号的最稀疏解为优化目标,在优化过程中将信号自适应地分解成若干个具有物理意义的局部窄带信号。对数值仿真和齿轮故障数据进行分析,结果表明该方法在抑制模态混淆、抗噪声性能、提高分量的正交性和准确性等方面要优于ASTFA方法、基于遗传算法(genetic algorithm,GA)的ASNBD方法及总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)方法,并能有效识别出齿轮的典型故障。

用Multisim分析二阶低通滤波器电路

以Multisim为平台分析了二阶低通滤波器电路。使用虚拟示波器等虚拟元件,采用交流分析方法和参数扫描分析方法仿真分析了二阶低通滤波器电路的工作特性,及各元件参数对输入输出特性的影响,并演示了Multisim中虚拟仪器及各种分析方法的使用。仿真得到了该电路在低频状态下的通带电压放大倍数AUP=2,电路的截止频率fP=148.495 2 Hz。仿真结果与理论计算相符。

自适应最优化窄带分解方法及其应用

提出了自适应最优化窄带分解(Adaptive Optimization Narrow-Band Decomposition,AONBD)方法。该方法将信号分解转化为对滤波器参数的优化问题,以得到信号的最优化解为优化目标,在优化过程中将信号自适应的分解成多个内禀窄带分量(Intrinsic Narrow-Band Components,INBC)。AONBD分为两步,首先通过优化得到最优的滤波器,然后使用该滤波器对信号进行滤波以得到信号的最优化解。阐述了AONBD的基本原理及分解步骤。采用仿真信号将AONBD方法与自适应最优化时频分析(Adaptive Sparsest Time-Frequency Analysis,ASTFA)方法及经验模态分解(Empirical Mode Decomposition,EMD)方法进行对比。结果表明,AONBD在抑制端点效应和模态混淆、抗噪声性能、提高分量的正交性和准确性等方面具有一定的优越性。对转子振动信号的分析结果表明,AONBD能有效应用于机械故障诊断。

基于自适应最稀疏时频分析的阶次方法及应用

自适应最稀疏时频分析(Aadaptive and Sparsest Time-Frequency Analysis,ASTFA)是一种新的时频分析方法,该方法将信号分解转化为最优化问题,在优化的过程中实现信号的自适应分解。为解决ASTFA方法初始相位函数的选择问题,采用了分辨率搜索改进的ASTFA方法,并进一步结合阶次分析方法提出了基于ASTFA的阶次方法。该方法首先采用改进的ASTFA方法对原始信号进行分解同时获得分量的瞬时幅值,然后对瞬时幅值进行阶次分析从而提取故障特征信息。将该方法应用于变速齿轮传动过程中的时变非平稳振动信号的分析与处理,仿真与实验分析表明该方法能够准确提取变速齿轮的故障特征信息,具有一定的优越性。

基于GA的自适应最稀疏时频分析方法及应用

为解决自适应最稀疏时频分析(ASTFA)方法中初始相位函数的选择问题,采用遗传算法(GA)对ASTFA的初始相位函数进行优化,提出了GA-ASTFA方法。进一步研究了GA-ASTFA方法抑制模态混淆的能力,分析结果表明,GA-ASTFA能较好地抑制模态混淆,分解得到的分量信号精度高,且可抑制分解中的伪分量。最后将GA-ASTFA方法用于转子碰摩故障诊断,实验分析结果表明,GA-ASTFA方法能有效提取转子碰摩故障特征信息。

碳纳米管的本征微波吸收特性研究

从碳纳米管电磁参数和微波吸收特性的实验结果出发,分析探讨了碳纳米管的本征微波吸收机理,并得出结论:界面极化吸收、多重反射和散射以及螺旋型碳纳米管的手性微波吸收是碳纳米管的主要本征微波吸收机理.碳纳米管的结构缺陷能增强极化效应,从而增加介电损耗;碳纳米管所具有的小尺寸效应、表面效应(比表面积大)、量子尺寸效应和宏观量子隧道效应等有利于其微波吸收.碳纳米管的电容率值远大于磁导率值,碳纳米管是一种介电损耗型吸波介质.

医用物理学教学中培养学生创新能力探究

培养高素质创新型医学人才是高等医学院校当前面临的一项现实而紧迫的任务。医用物理学是物理学和医学相结合形成的一门交叉学科,是高等医学院校开设的一门必修的基础课。培养学生创新能力是医用物理学课程教学的重要内容。本文从重视学生思维训练,培养学生个性发展,构造学生创新平台和机制三方面探讨医用物理学课程教学中培养学生创新能力的方法和途径。

碳纳米管磁化氢等离子体薄膜的微波吸收特性

为从理论上掌握有外加静磁场存在时铁催化高压歧化生成的碳纳米管中氢等离子体的微波吸收特性,根据磁离子理论和Appleton-Hartee方程,采用W.K.B近似方法,导出了碳纳米管磁化氢等离子体薄膜的微波衰减系数公式,数值计算了不同条件下碳纳米管磁化氢等离子体薄膜在0.3～30 GHz频段的微波衰减系数。研究结果表明:随着外加磁场强度的增加,Att>30.00 dB/cm的频宽明显增大,吸收峰向高频方向移动.适当控制碳纳米管中等离子体的自由电子密度、电子碰撞的有效频率和外加磁场强度,能够实现碳纳米管中磁化氢等离子体薄膜对对特定微波段的强吸收.在外磁场等于0时,运用所构建的微波吸收模型得到的数值计算结果与已有的实验数据相吻合.

基于ASTFA的广义解调方法及应用

结合自适应最稀疏时频分析(ASTFA)和广义解调的优点提出了基于ASTFA的广义解调方法。该方法首先采用ASTFA对原始信号进行分解,得到分量信号及其相位函数;然后,提取该相位函数的二次项及高次项,获得解调相位函数;之后利用解调相位函数对分量信号进行广义解调;最后对广义解调后的信号进行频域分析,提取特征信息。仿真和实验分析结果表明,基于ASTFA的广义解调方法非常适用于处理多分量频率调制信号,能够有效提取滚动轴承在变速工况下的故障特征信息。

铁磁性金属填充碳纳米管的微波吸收机理研究

深入探讨了铁磁性金属填充碳纳米管的微波吸收机理,对铁纳米粒子填充碳纳米管的微波吸收特性进行了数值模拟,计算了其自然共振频率,模拟结果与实验数据相吻合理论上证明了铁磁性金属填充碳纳米管对微波的强烈吸收主要是样品中铁磁性金属纳米粒子在微波作用下产生了磁共振的结果研究发现,随着铁磁性金属填充碳纳米管薄膜厚度的增加,其共振频率vγ向低频方向移动,随着碳纳米管中铁磁性金属纳米粒子含量的增加,vγ向高频方向移动因此,通过改变样品厚度和碳纳米管中铁磁性纳米粒子含量。

碳纳米管中氢等离子体的介电特性及微波吸收机理研究

运用双流体理论和唯象模型,导出了碳纳米管中氢等离子体的复介电常数和微波吸收系数,构建了铁催化高压歧化生成的碳纳米管中氢等离子体的微波吸收模型,从理论上证明了铁催化高压歧化生成的碳纳米管氢等离子体中的带电粒子对微波产生的碰撞吸收是其主要微波吸收机理,揭示了铁催化高压歧化生成的碳纳米管对2.45 GHz的微波产生强烈吸收的物理机制.

基于Multisim的恒流源式差分放大电路分析

以Multisim为平台分析恒流源式差分放大电路。使用虚拟电压表、电流表、示波器、函数发生器等虚拟元件,仿真分析恒流源式差分放大电路的工作特性,并演示Multisim中虚拟仪器及各种分析方法的使用。对差分放大器中各三极管的静态工作点和差模电压放大倍数的仿真分析结果与理论计算相符。

铁催化高压歧化生成的单壁碳纳米管氢等离子体的微波损耗机理

运用双流体理论,在同时考虑了单壁碳纳米管中氢等离子体的电子碰撞吸收和氢离子碰撞吸收的基础上,理论推导出了铁催化高压歧化生成的单壁碳纳米管中氢等离子体的微波衰减系数公式,数值计算了0.2～18GHz频段的微波衰减系数.计算结果表明,铁催化高压歧化生成的单壁碳纳米管中氢等离子体对2.45GHz的微波产生强烈损耗.理论值与实验数据相吻合.

钴填充碳纳米管的微波吸收性能研究

分析了钴填充碳纳米管的磁性能,深入探讨了钴填充碳纳米管的微波吸收机理,对钴纳米粒子填充碳纳米管的微波吸收特性进行了数值模拟,计算了其自然共振频率,理论结果与实验数据相吻合。研究结果表明:钴填充碳纳米管对微波的强烈吸收主要是样品中钴纳米粒子在微波作用下产生了磁共振的结果;随着钴填充碳纳米管薄膜厚度的增加,其共振频率向低频方向移动,随着碳纳米管中钴纳米粒子含量的增加,其共振频率向高频方向移动。因此通过改变样品厚度和调节碳管中钴纳米粒子含量,可以实现对特定频段微波的强吸收。

基于ASNBD-CMFE特征信息提取的短时交通流预测

针对短时交通流数据的非线性和随机性特点,为提高其预测精度,提出了一种基于自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)和复合多尺度模糊熵(Composite Multiscale Fuzzy Entropy,CMFE)的短时交通流数据特征信息提取方法.首先利用ASNBD将短时交通流数据分解成若干个内禀窄带分量,分别求出每个分量的CMFE.根据CMFE反映的不同分量的非线性程度选取有效分量,从而提取数据的非线性特征.然后根据非线性分析的结果分别对每个分量建立支持向量机网络模型,针对每个分量的自身特点选择不同的模型训练参数,以提高单个模型预测精度.最后将各个预测值进行累加并得出预测结果.实验结果表明,该方法能有效应用于短时交通流数据特征信息的提取,进而提高预测精度.

基于局部保持投影的高校教师教学质量评价

当前高校教育改革逐渐深入,如何提高教学质量已经成为当前高校教学的工作重点。目前神经网络被广泛应用于高校教学评价,但是神经网络具有计算量大及容易陷入局部最优解的缺陷。针对这些问题,使用局部保持投影(Locality preserv-ing projections, LPP)对教学评价样本进行信息融合,除了可以实现对特征参数维数的减少外,还可以将处于空间局部信号的流行特征,完整地保留下来。因此,使用LPP对教学评价样本进行预处理,能同时提高神经网络的教学评价精度和计算效率。结果表明,LPP方法能有效提高运算效率和预测精度。

基于VPMCD的全方位高校教师教学质量评价方法

当前高校教育改革逐渐深入,如何提高教学质量已经成为当前高校教学的工作重点,而教学评价是提高教学质量的关键指标。因此,合理、科学的教学评价方法显得尤为重要。目前神经网络被广泛应用于高校教学评价,但是神经网络具有样本需求多、计算量大及容易陷入局部最优解的缺陷。针对这些问题,提出变量预测模型分类(Variable Predictive Model Based Class Discriminate,VPMCD)方法的全方位高校教师教学质量评价方法,并将其与BP神经网络进行仿真对比分析。结果表明,相对神经网络,VPMCD方法能有效提高评价准确率。

基于距离评估技术和VPMCD的高校教学质量评价

目前神经网络被广泛应用于高校教学评价,但其具有计算量大及容易陷入局部最优解的缺陷。文章结合变量预测模型分类(VPMCD)方法,提出了基于距离评估技术和VPMCD的高校教师教学质量评价方法。分析结果表明,该方法能有效提高运算效率和预测精度。

互补集合自适应最稀疏窄带分解及其应用

自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)是在包含内禀模态函数(Intrinsic Mode Functions,IMF)的过完备字典库中搜索信号的最稀疏解,将信号分解转化为优化问题,但在强噪声干扰时计算精度仍有待提高。因此在结合了互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)算法,得到了新的互补集合自适应最稀疏窄带分解(Complementary Ensemble Adaptive Sparsest Narrow-band Decomposition,CE-ASNBD)方法。此方法是加入成对符号相反的白噪声到目标信号,从而减小重构误差,在对滤波器参数的优化过程中实现信号的自适应分解。对仿真和实验数据的分析结果表明,该方法在抑制模态混淆、端点效应、性能、提高分量的正交性和准确性等方面要优于CEEMD和ASNBD方法,并能有效应用于滚动轴承故障诊断。